AI agents met human-in-the-loop: het beste van twee werelden

De meeste mensen hebben inmiddels weleens een AI-chatbot gebruikt. Je typt een vraag, hij typt een antwoord, en daar houdt het op. Een AI agent is een ander soort tool. In plaats van alleen praten kan hij handelen. Geef hem een doel en hij plant de stappen, gebruikt de systemen waar hij toegang toe heeft en werkt de taak af tot die klaar is. Die verschuiving van antwoorden naar doen is waar veel van de echte waarde zit voor een bedrijf, en het is ook precies waar het risico zit.

Het eerlijke verhaal is dat geen van beide uitersten goed werkt. Een chatbot die alleen adviseert laat al het werk bij je team liggen. Een agent die volledig zelfstandig en zonder toezicht handelt, doet vroeg of laat iets wat je niet wilde, op een plek waar je het niet makkelijk terugdraait. Het verstandige midden is een agent die het werk doet terwijl een mens meekijkt bij de beslissingen die ertoe doen. Dat is het patroon dat wij bouwen voor Nederlandse organisaties, en het is de moeite waard om te begrijpen waarom.

Wat een agent eigenlijk is, vergeleken met een chatbot

Een chatbot reageert op één bericht met één antwoord. Een agent is gebouwd rond een doel en krijgt tools om dat te bereiken. Stel je voor dat er een klantmail binnenkomt. Een chatbot kan een antwoord voorstellen als je de mail erin plakt. Een agent kan de hele reeks zelf afhandelen.

1. 1De binnenkomende e-mail lezen en uitzoeken wat de klant vraagt.
2. 2De klant en de bestelling opzoeken in je systemen.
3. 3Voorraad, leverstatus of een intern beleid checken dat van toepassing is.
4. 4Een antwoord opstellen dat past bij de situatie.
5. 5Het dossier bijwerken zodat de rest van het team ziet wat er is gebeurd.

Elk daarvan is een stap, en tussen de stappen door beslist de agent wat hij vervolgens doet op basis van wat hij net heeft gevonden. Die lus van plannen en handelen is het verschil. Het is krachtig omdat het het handmatige plakwerk wegneemt dat normaal de tijd van je team opslokt. Het is ook precies waarom controle belangrijk is, want de agent raakt nu echte data aan en onderneemt echte acties.

Waarom volledig autonome agents riskant zijn in een bedrijf

Twee dingen maken agents zonder toezicht gevaarlijk in een echt bedrijf. Het eerste is dat fouten zich opstapelen. Bij een taak van één stap blijft een kleine fout klein. Bij een taak van acht stappen, waarbij elke stap voortbouwt op de vorige, kan een verkeerde aanname aan het begin de hele reeks ongemerkt uit koers duwen, en kan de uiteindelijke actie ver afstaan van wat je bedoelde.

De rekensom is onverbiddelijk. Zelfs een stap die vijfennegentig procent van de tijd goed gaat, is over een keten van tien stappen maar in ongeveer zes van de tien gevallen goed, omdat de kansen vermenigvuldigen in plaats van optellen. Daarom wijst zoveel eerlijke berichtgeving uit de sector in 2026 dezelfde kant op: agents zijn echt nuttig bij smalle, goed afgebakende taken, maar de betrouwbaarheid daalt hard naarmate het aantal stappen en de vrijheid om te handelen groeien. Wees dus gezond wantrouwig bij elke claim over een agent die zonder toezicht een heel proces foutloos draait.

Het tweede is dat sommige acties niet ongedaan te maken zijn. Er is een wezenlijk verschil tussen een stap die je kunt terugdraaien en een stap waarbij dat niet kan. Een lijst sorteren, een concept schrijven of een dossier taggen kun je later corrigeren. Geld overmaken, een klant mailen, een contract tekenen of data verwijderen niet. Een zelfverzekerd klinkende agent die op basis van een verkeerde aanname een onomkeerbare actie uitvoert, is geen klein probleem.

Het doel is niet een agent die nooit fouten maakt. Het doel is een systeem waarin een fout wordt opgevangen voordat die iets raakt wat je niet kunt terugnemen.

Human-in-the-loop patronen die je in controle houden

Een mens in de loop houden betekent niet dat iemand alles controleert. Dan zou automatiseren geen zin meer hebben. Het betekent dat je specifieke checkpoints ontwerpt, zodat de controle precies daar landt waar die nodig is. De patronen die wij het meest gebruiken:

• Goedkeuringsmomenten: de agent bereidt een actie met grote impact voor en pauzeert tot een mens die goedkeurt, zodat de terugbetaling, de e-mail of de betaling pas na een klik de deur uitgaat.
• Confidence-drempels: als de eigen signalen van de agent erop wijzen dat hij twijfelt, escaleert hij in plaats van te gokken, zodat makkelijke gevallen doorstromen en twijfelgevallen bij een mens terechtkomen. Goed om te weten: het zelfgerapporteerde vertrouwen van een model is niet perfect, en agents kunnen er vol overtuiging naast zitten, dus combineer dit met de hardere garanties hieronder in plaats van er alleen op te leunen.
• Overdracht aan een mens: de agent geeft de hele taak aan een aangewezen persoon zodra hij iets tegenkomt dat buiten zijn scope valt, in plaats van een beslissing te forceren die hij niet hoort te nemen.
• Audit logs: elke stap en beslissing wordt vastgelegd, zodat je precies kunt zien wat de agent deed en waarom, en achteraf vragen kunt beantwoorden.
• Beperkte rechten: de agent kan alleen bij de systemen en data die hij nodig heeft voor zijn taak, en nergens anders bij.
• Omkeerbare en afgeschermde acties: waar mogelijk werkt de agent met acties die ongedaan te maken zijn of veilig getest kunnen worden voordat er echt iets verandert.

Waar zet je de mens neer

De kunst zit in het kiezen welke stappen een checkpoint krijgen en welke niet. Zet de mens waar het telt en laat de agent overal elders vrij draaien. Als vuistregel verdient een stap een menselijke check als die grote impact heeft, moeilijk of onmogelijk terug te draaien is, of als de agent er niet zeker over is. Alles wat veilig, onschuldig en omkeerbaar is, kan zonder onderbreking doorlopen.

Pak het voorbeeld van de klantmail er nog eens bij. De mail lezen, de bestelling opzoeken en een beleid checken zijn veilige, omkeerbare onderzoeksstappen, dus die doet de agent alleen. Het antwoord opstellen is ook veilig, want een concept verandert op zichzelf niets. Het moment vlak voordat het antwoord naar de klant gaat, dat is het checkpoint. Bij een routine-antwoord mag de agent misschien zelf versturen binnen heldere, vooraf afgesproken regels. Bij een terugbetaling, een klacht of iets ongewoons pauzeert hij en wacht hij op goedkeuring van een mens. Eén goed geplaatst goedkeuringsmoment dekt het risico af zonder de rest te vertragen.

De richting in 2026 is niet meer autonomie om de autonomie zelf, maar de mens slimmer neerzetten. De teams die er echt waarde uit halen, bewegen richting toezicht op uitzondering: stappen met laag risico draaien zelfstandig, stappen met gemiddeld risico worden gelogd voor een controle achteraf, en alleen de echt risicovolle stappen stoppen en wachten op een mens. De agent bewaart bij elk checkpoint ook zijn tussenstand, zodat een mens kan instappen, bijsturen en hem verder kan laten gaan vanaf het punt waar hij pauzeerde, in plaats van opnieuw te beginnen. Het resultaat: het toezicht groeit mee met het werk in plaats van erin te verdrinken.

Het beste van twee werelden

Daarom wint de combinatie het van beide uitersten. De agent geeft je de snelheid, consistentie en onvermoeibaarheid van automatisering op het saaie, repetitieve plakwerk. De mens geeft je oordeel bij de lastige keuzes en heldere verantwoordelijkheid als een beslissing een eigenaar nodig heeft. Je kiest niet tussen snel en veilig. Je krijgt de doorvoer van een machine op het routinewerk en het inzicht van een mens op de beslissingen die gewicht hebben.

Wil je beginnen, probeer dan niet op dag één een heel proces van begin tot eind te automatiseren. Kies één workflow, breng de stappen in kaart en markeer welke omkeerbaar zijn en welke niet. Laat de agent de omkeerbare stappen doen, zet een checkpoint voor elke onomkeerbare stap en zet audit logging vanaf het begin aan. Kijk hoe hij presteert en verruim daarna de autonomie van de agent op de stappen waar hij vertrouwen heeft verdiend. Zo pak je de voordelen van agents zonder het bedrijf erop te verwedden, en blijft een mens precies waar die hoort te zijn: in de loop.